影像診斷是發(fā)現(xiàn)器官病變的常用手段,一般情況下,需要經(jīng)驗豐富的醫(yī)師通過人工觀察影像來判斷,但是人工診斷的正確性受限于醫(yī)師的能力,同時較多的影像數(shù)量也給閱片帶來了巨大的壓力。近年來,隨著神經(jīng)網(wǎng)絡技術的快速發(fā)展,越來越多的計算機視覺任務運用卷積神經(jīng)網(wǎng)絡技術取得了較大進步。本文對基于卷積神經(jīng)網(wǎng)絡的肝分割技術做了研究,其中肝分割包括肝實質(zhì)分割和肝病灶分割,主要完成了以下工作:本文在UNet網(wǎng)絡結構的基礎上,設計了用于醫(yī)學影像數(shù)據(jù)的三維全卷積肝分割網(wǎng)絡結構,考慮到醫(yī)學影像數(shù)據(jù)是一種器官邊緣特征模糊復雜的三維結構數(shù)據(jù),該網(wǎng)絡結構中使用了跳躍式連接、空洞卷積、下采樣、反卷積等特殊設計。其次為了避免因數(shù)據(jù)集類別不均衡而導致的分割不精確問題,網(wǎng)絡優(yōu)化時采用了DICE損失函數(shù)。最后為了提高三維全卷積網(wǎng)絡的泛化能力,在自有數(shù)據(jù)集上對原始網(wǎng)絡進行了微調(diào)。在肝分割研究的基礎上,本文進一步做了肝病灶的分割研究。針對肝病灶分割,設計了一種混合密集連接UNet網(wǎng)絡。考慮到肝病灶一般為體積小且形態(tài)多變的三維結構數(shù)據(jù),本文首先設計了三維密集連接UNet網(wǎng)絡,其中使用了UNet、密集連接、下采樣、反卷積等結構。但是三維網(wǎng)絡帶... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

微調(diào)版三維全卷積網(wǎng)絡訓練損失值變化曲線圖

【參考文獻】：
期刊論文
[1]醫(yī)學影像計算機輔助檢測與診斷系統(tǒng)綜述[J]. 鄭光遠,劉峽壁,韓光輝.  軟件學報. 2018(05)
[2]肝臟炎癥及其防治專家共識[J]. 王宇明,于樂成.  中華臨床感染病雜志. 2014 (01)
[3]我國惡性腫瘤發(fā)病現(xiàn)狀及趨勢[J]. 吳菲,林國楨,張晉昕.  中國腫瘤. 2012(02)
[4]MRI技術發(fā)展十年回顧[J]. 馮曉源.  繼續(xù)醫(yī)學教育. 2007(25)



本文編號：3540398